JP6869691B2 - 信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体 - Google Patents

信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体 Download PDF

Info

Publication number
JP6869691B2
JP6869691B2 JP2016205440A JP2016205440A JP6869691B2 JP 6869691 B2 JP6869691 B2 JP 6869691B2 JP 2016205440 A JP2016205440 A JP 2016205440A JP 2016205440 A JP2016205440 A JP 2016205440A JP 6869691 B2 JP6869691 B2 JP 6869691B2
Authority
JP
Japan
Prior art keywords
signal
estimating
waveform
feature extraction
element signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2016205440A
Other languages
English (en)
Other versions
JP2017086894A (ja
Inventor
昌 淳 朴
昌 淳 朴
義 根 權
義 根 權
尚 駿 金
尚 駿 金
勝 槿 尹
勝 槿 尹
昌 穆 崔
昌 穆 崔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of JP2017086894A publication Critical patent/JP2017086894A/ja
Application granted granted Critical
Publication of JP6869691B2 publication Critical patent/JP6869691B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1102—Ballistocardiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Description

本発明は入力信号から信号特徴を抽出する技術に関し、特に、ＰＰＧ信号のような入力信号の波形から該当の入力信号を構成するエレメント信号を推定し、推定したエレメント信号から信号特徴を抽出することができる信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体に関する。
近年、ＩＴ技術と医療技術とが結ばれたＩＴ−医療融合技術に対する研究が盛んに行われている。特に、人体の健康状態に対するモニタリングの行為が病院だけに限定されることなく、事務室及び家庭などのように日常生活の内で動いているユーザの健康状態をいつどこでもモニタリングできるモバイルヘルスケア分野において拡大されている。モバイルヘルスケアでは、時間及び空間的な制約なしにユーザの生体信号を測定し、測定された生体信号を分析してユーザの現在の健康状態を推定する。
しかし、実際に測定されたＰＰＧ（Ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｍ）信号波形では、様々な要因により重複隆起に対応する特徴点が不明になることがあり、これによってＰＰＧ信号で進行波と反射波の区分が困難で不正確な信号特徴が抽出されることがある。不正確な信号特徴の抽出は結果的に不正確な推定結果を招く。
本発明は上記従来の信号特徴抽出方法における問題点に鑑みてなされたものであって、本発明の目的は、入力信号から入力信号を構成するエレメント信号をより正確かつ効果的に抽出する信号特徴抽出方法及びその装置を提供することにある。
上記目的を達成するためになされた本発明による信号特徴抽出方法は、生体信号である入力信号を形成するエレメント信号を推定するステップと、前記エレメント信号を用いて信号特徴を抽出するステップと、を有し、前記エレメント信号を推定するステップは、前記入力信号の第１エレメント信号を推定するステップと、前記入力信号から前記第１エレメント信号が除去された第１中間信号の波形に基づいて前記入力信号の第２エレメント信号を推定するステップと、を含み、前記第１エレメント信号を推定するステップは、前記エレメント信号をモデリングするための信号モデル及び前記入力信号の波形に基づいて前記第１エレメント信号に対するパラメータを推定するステップと、前記推定されたパラメータを前記信号モデルに適用して前記第１エレメント信号を決定するステップと、を含み、前記パラメータを推定するステップは、前記入力信号の波形を微分して互いに異なる差数の微分信号を決定するステップと、前記微分信号の特徴点を用いて前記第１エレメント信号に対するパラメータを決定するステップと、を含むことを特徴とする。
前記パラメータを決定するステップは、前記微分信号のピーク点に対応する時間値及び前記時間値における前記入力信号の振幅値に基づいて前記パラメータを決定することが好ましい。
前記パラメータを推定するステップは、前記第１エレメント信号のピーク点が以前の時間区間に基づいて前記パラメータを推定することが好ましい。
前記第２エレメント信号を推定するステップは、前記エレメント信号をモデリングするための信号モデル及び前記第１中間信号の波形に基づいて前記第２エレメント信号に対するパラメータを推定するステップと、前記推定されたパラメータを前記信号モデルに適用して前記第２エレメント信号を決定するステップとを含むことが好ましい。
前記パラメータを推定するステップは、前記第１中間信号の波形を微分して互いに異なる差数の微分信号を決定するステップと、前記微分信号の特徴点を用いて前記第２エレメント信号に対するパラメータを決定するステップと、を含むことが好ましい。
前記第２エレメント信号を推定するステップは、前記第１中間信号を前記第２エレメント信号に決定するステップを含むことが好ましい。
前記エレメント信号のうち少なくとも１つは、ガウス波形の形態を有することが好ましい。
前記信号モデルは、前記エレメント信号の波形が互いに重なって前記入力信号の波形を形成するものとしてモデリングすることが好ましい。
前記パラメータは、平均、標準偏差、振幅係数、及びオフセットを含むことが好ましい。
前記微分信号は、前記入力信号の波形に対する１次微分関数及び前記入力信号に対する高次微分関数のうち少なくとも１つを含むことが好ましい。
前記エレメント信号を推定するステップは、前記第１中間信号から前記第２エレメント信号が除去された第２中間信号の波形に基づいて第３エレメント信号を推定するステップをさらに含むことが好ましい。
前記エレメント信号を推定するステップは、所定の個数のエレメント信号が推定されるまで前記エレメント信号をモデリングするための信号モデルに基づいて前記エレメント信号を順次推定することが好ましい。
前記信号特徴を抽出するステップは、前記エレメント信号の極大点、極小点、ピーク点、変曲点、傾き極大点、傾き極小点、及び信号波形の面積のうち少なくとも１つを抽出することが好ましい。
上記目的を達成するためになされた本発明による信号特徴抽出装置は、少なくとも１つのプロセッサと、前記プロセッサによって実行される命令を格納する少なくとも１つのメモリと、を有し、前記命令が前記プロセッサによって実行されるとき、前記プロセッサは、生体信号である入力信号のエレメント信号を推定する処理と、前記エレメント信号から信号特徴を抽出する処理と、を実行し、前記エレメント信号を推定する処理は、前記入力信号の第１エレメント信号を推定する処理と、前記入力信号の波形から前記第１エレメント信号の波形が除去された第１中間信号に基づいて前記入力信号の第２エレメント信号を推定する処理と、を含み、前記第１エレメント信号を推定する処理は、前記エレメント信号をモデリングするための信号モデル及び前記入力信号の波形に基づいて前記第１エレメント信号に対するパラメータを推定する処理と、前記推定されたパラメータを前記信号モデルに適用して前記第１エレメント信号を決定する処理と、を含み、前記パラメータを推定する処理は、前記入力信号の波形を微分して互いに異なる差数の微分信号を決定する処理と、前記微分信号の特徴点を用いて前記第１エレメント信号に対するパラメータを決定する処理と、を含むことを特徴とする。
前記エレメント信号を推定する処理は、前記第１中間信号から前記第２エレメント信号が除去された第２中間信号の波形に基づいて、前記入力信号の第３エレメント信号を推定する処理をさらに含むことが好ましい。
また、上記目的を達成するためになされた本発明による信号特徴抽出装置は、生体信号である入力信号から少なくとも１次又は２次以上の微分信号を決定する微分器と、前記入力信号の波形及び前記１次又は２次以上の微分信号をモデリングするための信号モデルに基づいてエレメント信号のパラメータを決定するパラメータ決定器と、前記パラメータを前記信号モデルに適用することによって前記エレメント信号を推定するエレメント信号推定器と、前記入力信号から前記エレメント信号を除去することによって中間信号を決定する中間信号決定器と、前記エレメント信号から特徴点を抽出する特徴抽出器と、を有し、前記微分器は、エレメント信号の個数が所定の閾値よりも小さい場合、前記中間信号から他のエレメント信号を決定することを特徴とする。
前記パラメータは、前記エレメント信号の平均、標準偏差、振幅係数、及びオフセットの内の少なくとも１つを含むことが好ましい。
本発明に係る信号特徴抽出方法及びその装置によれば、入力信号から入力信号を構成するエレメント信号を推定し、推定したエレメント信号から信号特徴をより正確かつ効果的に抽出することができるという効果がある。
ＰＰＧ波形の一例を示すグラフである。 ＰＰＧ波形の一例を示すグラフである。 本発明の一実施形態による信号特徴抽出方法の処理を説明するためのフローチャートである。 本発明の一実施形態による信号特徴抽出方法の処理を説明するためのフローチャートである。 本発明の一実施形態による信号特徴抽出装置の構成の概略を示すブロック図である。 本発明の一実施形態によるエレメント信号を推定する工程を説明するためのグラフであり、入力信号の波形が３個のエレメント信号の波形が重複して構成されたと仮定した一例を示す。 本発明の一実施形態によるエレメント信号を推定する工程を説明するためのグラフであり、時間領域で入力信号の波形が異なるエレメント信号よりも最初のエレメント信号の波形に類似する場合を示す。 本発明の一実施形態によるエレメント信号を推定する工程を説明するためのグラフであり、入力信号から最初のエレメント信号が除去された中間信号の波形を示す。 本発明の一実施形態による入力信号及び入力信号の微分信号の一例を示すグラフである。 本発明の一実施形態による信号特徴抽出方法の処理を具体的に説明するためのフローチャートである。 本発明の一実施形態による入力信号の波形からエレメント信号を推定する工程を説明するための図である。 本発明の一実施形態による入力信号の波形からエレメント信号を推定する工程を説明するための図である。 本発明の一実施形態による入力信号の波形からエレメント信号を推定する工程を説明するための図である。 本発明の一実施形態による入力信号の波形からエレメント信号を推定する工程を説明するための図である。 本発明の一実施形態による入力信号から推定されたエレメント信号の一例を示すグラフである。 本発明の一実施形態による入力信号から推定されたエレメント信号の一例を示すグラフである。 本発明の一実施形態による入力信号から推定されたエレメント信号の一例を示すグラフである。 本発明の他の実施形態による信号特徴抽出装置の概略的な構成を示すブロック図である。
次に、本発明に係る信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体を実施するための形態の具体例を図面を参照しながら説明する。
以下の特定な構造的乃至機能的な説明は、単に実施形態を説明するための目的で例示するものであり、特許出願の範囲が本明細書に説明された内容に限定されるものと解釈されることはない。
説明した分野に属する通常の知識を有する者であれば、このような記載から様々な修正及び変形可能である。本明細書で「一実施形態」又は「実施形態」に対する言及はその実施形態と関連して説明する特定の特徴、構造又は特性が少なくとも１つの実施形態に含まれることを意味し、「一実施形態」又は「実施形態」に対する言及が全て同一の実施形態を指すものと理解されることはない。
第１又は第２などの用語が複数のコンポーネントを区分するために用いることができるが、構成要素が第１又は第２の用語によって限定されると解釈されてはならない。また、実施形態で用いた用語は、単に特定の実施形態を説明するために用いられるものであって、実施形態を限定しようとする意図はない。単数の表現は文脈上明白に異なるように意味しない限り、複数の表現を含む。
本明細書において、「含む」又は「有する」などの用語は明細書上に記載された特徴、数字、ステップ、処理、構成要素、部品又はその組み合わせの存在を指定するためのものであって、１つ又はそれ以上の他の特徴や数字、ステップ、処理、構成要素、部品又はそれを組み合わせたものの存在又は付加可能性を予め排除しないものとして理解されなければならない。
添付図面を参照して説明するにおいて、図面符号に関係なく同一の構成要素は同一の参照符号を付与し、これに対する重複する説明は省略する。
本発明の以下の実施形態は、ユーザの健康状態をモニタリングするために用いられる。
実施形態は、例えば、パーソナルコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、モバイルデバイス、スマートフォン、テレビ、スマート家電機器、スマート車両、ウェアラブルデバイス、ホーム家電機器、通信システム、映像処理装置などのような様々な形態にユーザの健康状態をモニタリングするために用いられる。
本発明の以下の実施形態は、入力信号から該当の入力信号を構成する複数のエレメント信号を決定し、決定されたエレメント信号から信号特徴を抽出するために適用され得る。
本明細書では説明の便宜のために入力信号がＰＰＧ（Ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｍ：光電式容積脈波）信号であると仮定し、ＰＰＧ信号から信号特徴を抽出する実施形態を中心に説明するが、実施形態の範囲がこれに限定されることはない。
例えば、本発明の実施形態は、心電図（Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｐｈｙ：ＥＣＧ）、酸素飽和度、心弾図（ｂａｌｌｉｓｔｏｃａｒｄｉａｃ：ＢＣＧ）などの生体信号だけでなく、異なるタイプの信号から信号特徴を抽出するためにも適用され得る。
図１Ａ及び図１Ｂは、ＰＰＧ波形の一例を示すグラフである。
ＰＰＧ信号は、心拍による血流量の変化情報を含む生体信号のうちの１つである。
ＰＰＧ信号は、心臓から出発して身体の先端へ向かう進行波（ｐｒｏｐａｇａｔｉｏｎ ｗａｖｅ）と、身体の先端から心臓に戻ってくる反射波が重なった形態を有する。
ＰＰＧ信号で進行波又は反射波の形態に関する様々な特徴を抽出し、抽出された特徴に基づいて血圧のような心血管系情報の推定が可能である。
例えば、進行波の振幅極大点に該当する収縮期ピーク点（ｓｙｓｔｏｌｉｃ ｐｅａｋ ｐｏｉｎｔ）、反射波の振幅極大点に該当する拡張期ピーク点（ｄｉａｓｔｏｌｉｃ ｐｅａｋ ｐｏｉｎｔ）の間の時間差を算出し、算出された時間差でユーザの身長を割った結果に基づいてユーザの血圧を推定することができる。
いずれかの血管の特定地点で進行波が先に達した後に反射波が達する時間間隔が短いほど血管硬化度（ｖｅｓｓｅｌ ｓｔｉｆｆｎｅｓｓ ｉｎｄｅｘ）が高まり、血管硬化度が高いほど血圧は増加する傾向がある。
したがって、ＰＰＧ信号で収縮期ピーク点と拡張期ピーク点との間の時間差に基づいて血管硬化度を推定でき、推定した血管硬化度に基づいてユーザの血圧を推定し得る。
図１Ａは、理想的なＰＰＧ信号波形の一部分を示す。
図１Ａにおいて、横軸は時間軸を示し、縦軸はＰＰＧ信号の振幅を示す。
ＰＰＧ信号１１０で時間的に前の方に示される上方にふっくらした部分が進行波の波形成分を示し、時間的に後の方に示される上方にふっくらした部分が反射波の波形成分を示す。
ここで、反射波が一個であると仮定したが、複数の反射波が存在してもよい。
特徴点（１２２、１２４、１２６、１２８）は、ＰＰＧ信号１１０の波形から様々な情報を導き出すために必要な重要特徴点である。
特徴点（１２２、１２４、１２６、１２８）の振幅値や時間値を用いてユーザの健康状態と相関関係のある特徴が決定され得る。
特徴点１２６は、収縮期ピーク点に対応する特徴点１２４が示された後に血管の圧力が減少して再び増加し始める地点であって、重複隆起（ｄｉｃｒｏｔｉｃ ｎｏｔｃｈ）に対応する特徴点である。
ＰＰＧ信号１１０で重複隆起が明確に区別されれば、ＰＰＧ信号１１０で進行波と反射波が容易に区分される。
例えば、ＰＰＧ信号１１０を一回微分した値が“０”になる地点のうち、時間上で２番目に示される地点を重複隆起であると決定し、決定された重複隆起に基づいてＰＰＧ信号１１０で進行波と反射波が容易に区分され得る。
しかし、実際に測定されたＰＰＧ信号波形では、様々な要因により重複隆起に対応する特徴点が不明になることがあり、これによってＰＰＧ信号で進行波と反射波の区分が困難で不正確な信号特徴が抽出されることがある。
不正確な信号特徴の抽出は結果的に不正確な推定結果を招く。
ＰＰＧ信号波形で特徴点が不明確に示される例について図１Ｂに示す。
図１Ｂを参照すると、（ａ）及び（ｂ）は、ＰＰＧ信号波形で重複隆起の特徴点が不明に示されて進行波と反射波を区分し難しい場合である。
（ｃ）及び（ｄ）は、ＰＰＧ信号波形の極大値が進行波成分ではない反射波成分に示されて、収縮期ピーク点と拡張期ピーク点が誤って決定される場合である。
このように、ＰＰＧ信号波形で特徴点を正確に区別し難い状況が存在する。
また、ＰＰＧ信号波形で進行波は一個の波形成分から構成され得るが、反射波は複数の波形が重なった形態に示されることがある。
この場合、ＰＰＧ信号波形で重なった数個の反射波を区分して分析可能であれば、より様々な信号特徴を抽出することが可能になり、これにより生体情報を正確に推定することができる。
以下で説明する本発明の信号特徴抽出方法及び信号特徴抽出装置は、ＰＰＧ信号のような入力信号の波形から該当の入力信号を構成するエレメント信号を推定し、推定したエレメント信号から信号特徴を抽出することができる。
ここで、信号特徴は、例えば、信号波形の極大点、極小点、ピーク点、変曲点、傾き極大点、傾き極小点、及び信号波形の面積などを含むが、信号特徴の種類はこれに限定されることはない。
図２は、本発明の一実施形態による信号特徴抽出方法の処理を説明するためのフローチャートである。
信号特徴抽出方法は、１つ以上のプロセッサを含む信号特徴抽出装置によって実行され得る。
図２を参照すると、ステップＳ２１０において、信号特徴抽出装置は、入力信号のエレメント信号を推定する。
信号特徴抽出装置は、複数のエレメント信号の波形が互いに重なって入力信号の波形を形成することでモデリングする信号モデルに基づいてエレメント信号を推定する。
信号特徴抽出装置は、入力信号の波形情報（時間による振幅の変化）に基づいて信号モデルを構成するパラメータを決定し、決定されたパラメータに基づいて入力信号を形成するエレメント信号を推定する。
一実施形態によれば、信号モデルは、エレメント信号がガウス（Ｇａｕｓｓｉａｎ）波形の形態を有し、入力信号が複数のガウス波形が重なって形成されることでモデリングする。
ただし、エレメント信号の波形形態がガウス波形に限定されることなく、エレメント信号は様々な形態の波形にモデリングされ得る。
信号特徴抽出装置は、入力信号の波形からエレメント信号を順次推定する。
信号特徴抽出装置は、入力信号の波形からエレメント信号を推定し、推定したエレメント信号を入力信号から除去して中間信号を生成した後、中間信号の波形から次のエレメント信号を推定する。
信号特徴抽出装置が入力信号からエレメント信号を推定する工程については、図３及び図４を参照してより詳しく説明することにする。
ステップＳ２２０において、信号特徴抽出装置は、ステップＳ２１０で推定したエレメント信号から信号特徴を抽出する。
例えば、信号特徴抽出装置は、各エレメント信号から極大値／極小値に該当する地点に関する情報（例、振幅及び時間）及びエレメント信号波形の面積情報を抽出するが、抽出される信号特徴の種類がこれに限定されることはない。
このように抽出された信号特徴に基づいて付加情報を推定することができる。
例えば、生体信号から抽出された信号特徴は、ユーザの健康状態情報を推定するために用いてもよい。
図３は、本発明の一実施形態によるエレメント信号を順次推定する工程をより詳細に説明するためのフローチャートである。
図３を参照すると、ステップＳ３１０において、信号特徴抽出装置は、入力信号の第１エレメント信号を推定する。
信号特徴抽出装置は、エレメント信号をモデリングするための信号モデル及び入力信号の波形に基づいて第１エレメント信号に対するパラメータを推定する。
信号特徴抽出装置は、入力信号の波形を微分して互いに異なる差数の微分信号を決定し、微分信号の特徴点に関する情報を信号モデルに適用して第１エレメント信号に対するパラメータを決定する。
信号特徴抽出装置は、微分信号のピーク点などに対応する時間値及び時間値における入力信号の振幅値に基づいてパラメータを推定する。
ここで、信号特徴抽出装置は、第１エレメント信号のピーク点が示される時間以前の時間区間に基づいてパラメータを推定する。
一実施形態によれば、信号特徴抽出装置は、信号モデルと入力信号の波形に基づいて時間軸で最も最初に示されるエレメント信号のパラメータを決定する。
ステップＳ３２０において、信号特徴抽出装置は、入力信号から第１エレメント信号が除去された第１中間信号の波形に基づいて第２エレメント信号を推定する。
第２エレメント信号は、時間軸上で第１エレメント信号の次に示されるエレメント信号である。
信号特徴抽出装置は、ステップＳ３１０と同様に、第１中間信号の波形を微分して互いに異なる差数の微分信号を決定し、微分信号の特徴点に関する情報を信号モデルに適用して第２エレメント信号に対するパラメータを決定する。
ここで、信号特徴抽出装置は、第２エレメント信号のピーク点が示される時間以前の時間区間に基づいてパラメータを推定し得る。
一実施形態によれば、信号特徴抽出装置は、信号モデルと第１中間信号の波形に基づいて第１中間信号を構成するエレメント信号のうち時間軸で最も最初に示されるエレメント信号のパラメータを決定する。
ステップＳ３３０において、信号特徴抽出装置は、第１中間信号から第２エレメント信号が除去された第２中間信号の波形に基づいて第３エレメント信号を推定する。
ここで、第２中間信号は、入力信号から第１エレメント信号及び第２エレメント信号が全て除去された信号である。
一実施形態によれば、ステップＳ３２０と同様に、信号特徴抽出装置は、信号モデルと第２中間信号の波形に基づいて信号モデルに適用されるパラメータを決定し、決定されたパラメータを信号モデルに適用して第３エレメント信号を決定する。
このように決定された第３エレメント信号は、信号モデルに基づいて推定された第１及び第２エレメント信号と同一の波形を有する。
他の実施形態によれば、第３エレメント信号が推定しようとする最後のエレメント信号である場合、信号モデルを用いて第３エレメント信号を推定する工程なしに、第２中間信号が第３エレメント信号に決定されてもよい。
他の実施形態によれば、信号特徴抽出装置は、ステップＳ３１０乃至ステップＳ３３０で時間軸上で最も後方に示されるエレメント信号から推定してもよい。
信号特徴抽出装置は、推定しようとするエレメント信号の波形が全体の波形成分と類似の程度がよりも大きいエレメント信号から先に推定するものとして決定してもよい。
中間信号からエレメント信号を推定する工程は、推定されたエレメント信号の個数が入力信号の波形から推定しようとするエレメント信号の個数に達するまで繰り返し実行される。
例えば、入力信号から推定しようとするエレメント信号の個数がＬ個である場合、信号特徴抽出装置は、Ｌ個のエレメント信号が推定されるまで信号モデルに基づいてエレメント信号を順次推定する。
図３に示す実施形態は、Ｌが３である場合であり、最終的に入力信号から第１、第２及び第３エレメント信号が推定され得る。
Ｌが２である場合、ステップＳ３３０を実行せず、ステップＳ３２０まで実行される。
この場合、ステップＳ３３０で説明したように、最後のエレメント信号である第２エレメント信号は、第１エレメント信号のように信号モデルに基づいて決定されたり、又は第１中間信号が第２エレメント信号に決定され得る。
図４は、本発明の一実施形態による信号特徴抽出装置の構成の概略を示すブロック図である。
図４を参照すると、信号特徴抽出装置４００は、微分器４１０、パラメータ決定器４２０、エレメント信号推定器４３０、中間信号決定器４４０、及び特徴抽出器４５０を含む。
微分器４１０は、入力信号の波形を微分して微分信号を決定する。
微分器４１０は、１次微分信号及び２次以上の高次（ｈｉｇｈｅｒ ｏｒｄｅｒ）微分信号を決定する。
一実施形態によれば、入力信号は、微分器４１０に入力される前にフィルタリング処理などによってノイズが除去され得る。
パラメータ決定器４２０は、微分器４１０によって算出された微分信号と信号モデルに基づいて追跡しようとするエレメント信号に対するパラメータを決定する。
エレメント信号推定器４３０は、パラメータ決定器４２０によって決定されたパラメータを信号モデルに適用して現在のエレメント信号を推定する。
エレメント信号の波形形態は、信号モデルに適用される様々なパラメータによって決定される。
中間信号決定器４４０は、入力信号からエレメント信号推定器４３０によって推定された現在のエレメント信号を除去して中間信号を決定する。
中間信号は微分器４１０に入力され、微分器４１０は中間信号を微分して微分信号を決定する。
その後、予め決定された数のエレメント信号が推定されるまで上記の過程が繰り返し実行する。
例えば、パラメータ決定器４２０は、微分信号と信号モデルに基づいて次のエレメント信号に対するパラメータを決定し、エレメント信号推定器４３０は決定されたパラメータを信号モデルに適用して次のエレメント信号を推定する。
中間信号決定器４４０は、推定されたエレメント信号を再び以前に決定された中間信号から除去して他の中間信号を生成し、生成された他の中間信号が再び微分器４１０に入力され得る。
このような反復工程が終了すれば、入力信号の波形を形成する複数のエレメント信号が決定され、特徴抽出器４５０は決定されたエレメント信号から特徴点を抽出することができる。
以下では、信号特徴抽出装置４００が信号モデルを用いて入力信号から複数のエレメント信号を推定する本発明の一実施形態についてより詳しく説明する。
入力信号から推定しようとするエレメント信号の個数がＬ個であり、エレメント信号がガウス波形の形態を有すると仮定すれば、Ｌ個の時間移動したガウス波形が重複して構成された一周期の入力信号ｇ（ｔ）は以下に示す数式（１）のように定義された信号モデルに示すことができる。
Figure 0006869691
ここで、ｇ（ｔ）はＬ個のエレメント信号ｇ１（ｔ）、ｇ２（ｔ）、．．．、ｇＬ（ｔ）の和からなる信号を示し、ｇｌ（ｔ）はｌ番目のエレメント信号を示す。
ｔは時間を示す変数である。
ｍｌはｇｌ（ｔ）の平均であり、σｌはｇｌ（ｔ）の標準偏差である。
Ａｌはｇｌ（ｔ）の振幅係数であり、Ｂｌはオフセットである。
信号特徴抽出装置４００は、入力信号の波形に基づいて数式（１）でｇｌ（ｔ）を定義するパラメータｍｌ、Ａｌ、Ｂｌ、及びσｌを決定することによって入力信号を構成するエレメント信号の波形を決定し得る。
信号特徴抽出装置４００は、微分関数を用いてエレメント信号に対するパラメータを容易に決定することができる。
数式（１）において、ｇｌ（ｔ）を微分することによって数式（１）がオフセットＢｌに無関係になり、微分関数のピーク値に対応する時間を用いることによって数式（１）が振幅係数Ａｌに無関係になる。
信号特徴抽出装置４００は、微分関数を用いて平均ｍｌと標準偏差σｌを推定した後、平均ｍｌと標準偏差σｌと無関係に、振幅係数Ａｌ及びオフセットＢｌを推定することでエレメント信号を定義する信号モデルの４個のパラメータを決定することができる。
ここで、信号特徴抽出装置４００は、パラメータの推定誤差を減らすために各エレメント信号のピーク点よりも時間的に前の区間に基づいてパラメータを推定することができる。
これについては、図５Ａ〜図５Ｃを参照して説明する。
図５Ａは、入力信号５００の波形が３個のエレメント信号（５１０、５２０、５３０）の波形が重複して構成されたと仮定した一例を示す。
入力信号５００の波形は、エレメント信号（５１０、５２０、５３０）の波形の単なる和として示すことができる。
図５Ａに示した波形は、入力信号５００の波形の前方（開始時間方向）に行くほど最初のエレメント信号５１０の波形と類似する程度が大きくなることが分かる。
時間軸上で前方に行くほど最初のエレメント信号５１０の波形の大きさに比べて他のエレメント信号（５２０、５３０）の波形の大きさが相対的に小さくなり、入力信号５００の波形と最初のエレメント信号５１０の波形の形態が互いに類似することが分かる。
図５Ｂを参照すると、時間領域（符号５４０）で入力信号５００の波形が異なるエレメント信号（５２０、５３０）よりも最初のエレメント信号５１０の波形に類似することが分かる。
図５Ｃは、入力信号５００から最初のエレメント信号５１０が除去された中間信号５５０の波形を示す。
時間領域（符号５６０）で、中間信号５５０の波形は３番目のエレメント信号５３０よりも２番目のエレメント信号５２０の波形に類似することが分かる。
入力信号から各エレメント信号の波形を区分するために、時間的に先に発生するエレメント信号を推定する場合、信号特徴抽出装置４００は、推定誤差を減らすために時間的に各エレメント信号の波形のピーク点が示される時間以前の時間区間に基づいてエレメント信号を推定する。
数式（１）の信号モデルによると、時間的に各エレメント信号の波形のピーク点が示される時間よりも前の時間区間は“ｔ＜ｍｌ”に該当する。
数式（１）の信号モデルに基づいたオリジナル関数ｇｌ（ｔ）及び１次、２次、３次微分関数であるｇ’ ｌ（ｔ）、ｇ’’ ｌ（ｔ）、ｇ’’’ ｌ（ｔ）各ピーク点における時間ｔ値（ｔがｍｌよりも小さい時間区間基準）は以下に示す表１の通りである。
Figure 0006869691
図６は、それぞれ表１のｇｌ（ｔ）、ｇ’ ｌ（ｔ）、ｇ’’ ｌ（ｔ）、及びｇ’’’ ｌ（ｔ）に対応する信号波形及びピーク点におけるｔ値を示す。
各微分信号波形でピーク点は波形の傾きが“０”になる地点として、ｔがｍｌよりも小さい時間区間内で決定される。
再び図４を参照すると、微分器４１０は、全体信号の波形を微分して微分差数が互いに異なる２つの微分信号を決定する。
ここで、全体信号は初めには入力信号に該当し、最初のエレメント信号が推定された後からは入力信号からその間に推定されたエレメント信号を除去した中間信号に該当する。
全体信号の波形関数ｇ（ｔ）で時間ｔ値が１ずつ増加するデジタルサンプルインデックスであると仮定する場合、微分器４１０は、
ｇ’（ｔ）＝ｇ（ｔ）−ｇ（ｔ−１）
の関係を用いて１次微分関数ｇ’（ｔ）を決定する。
このような方式をｎ差微分関数ｇ（ｎ）（ｔ）まで拡張する場合、微分器４１０は、
ｇ（ｎ）（ｔ）＝ｇ（ｎ−１）（ｔ）−ｇ（ｎ−１）（ｔ−１）
の関係を用いてｎ差微分関数を決定し得る。
パラメータ決定器４２０は、決定された２つの微分信号のピーク点における時間値に基づいて、信号モデルのｍｌとσｌのパラメータを推定する。
そして、パラメータ決定器４２０は、上記の時間値で入力信号が有する振幅値に基づいて残りのパラメータＡｌとＢｌを推定し得る。
パラメータを推定するために全体信号の１次微分関数及び２次微分関数を用いる場合、パラメータ決定器４２０は、上記の表１に示した各微分関数のピーク点の時間値ｔ１、ｔ２を用いる。
ここで、１次微分関数と２次微分関数を用いる実施形態について説明するが、実施形態の範囲がこれに限定されることはない。
例えば、２次微分関数の代わりに３次微分関数又は４次微分関数を用いてもよく、３次微分関数と４次微分関数に基づいてパラメータが決定されてもよい。
１次微分関数及び２次微分関数を用いる場合、表１によると、時間値ｔ１、ｔ２及びパラメータｍｌ、σｌの関係式は以下に示す数式（２）のように示す。
Figure 0006869691
パラメータ決定器４２０は、数式（２）の２つの線形方程式からパラメータｍｌとσｌを決定し、パラメータｍｌとσｌは以下に示す数式（３）のように示す。
Figure 0006869691
パラメータ決定器４２０は、数式（３）のように互いに異なる差数の微分関数におけるピーク点に対応する時間値に基づいてパラメータｍｌとσｌを決定する。
パラメータ決定器４２０は、各ｔ１、ｔ２における全体信号の振幅値ｇ（ｔ１）、ｇ（ｔ２）を用いて他のパラメータＡｌ及びＢｌを決定する。
振幅値ｇ（ｔ１）、ｇ（ｔ２）とパラメータＡｌ、Ｂｌとの間の関係式は以下に示す数式（４）のように示す。
Figure 0006869691
 ここで、ｇ（ｔ）はｌ番目のエレメント信号を推定するためのステップにおける全体信号を示し、より詳しくは、最初の入力信号で推定されたエレメント信号ｇ１（ｔ）、ｇ２（ｔ）、．．．、ｇ（ｌ−１）（ｔ）を除去した信号を示す。
数式（４）において、
Figure 0006869691
と
Figure 0006869691
の関係はｔ＜ｍｌの時間区間でｌ番目のエレメント信号の推定ステップで全体信号ｇ（ｔ）の波形とｇ（ｔ）に対する最初のエレメント信号ｇｌ（ｔ）の波形が互いに類似することを示す。
パラメータ決定器４２０は、数式（４）に基づいて、以下に示す数式（５）のようにパラメータＡｌとＢｌを決定する。
Figure 0006869691
エレメント信号推定器４３０は、上記のように決定されたパラメータｍｌ、σｌ、Ａｌ及びＢｌを数式（１）のｇｌ（ｔ）に適用してｌ番目のエレメント信号を決定する。
ｌ番目のエレメント信号が決定されれば、中間信号決定器４４０は、全体信号で該当のｌ番目のエレメント信号を除去して新しい中間信号を生成し、新しい中間信号は（ｌ＋１）番目のエレメント信号を推定するために再び微分器４１０に入力されて、上記で説明した工程が再び実行され得る。
上記工程は、入力信号から予め決定した数のエレメント信号が推定されるまで繰り返し実行される。
図７は、本発明の一実施形態による信号特徴抽出方法の処理を具体的に説明するためのフローチャートである。
図７を参照すると、ステップＳ７１０において、信号特徴抽出装置は入力信号を受信し、求めたいエレメント信号のインデックスを示すｌを“１”に設定する。
ｌが“１”である場合、全体信号ｇ（ｔ）が入力信号となる。
ステップＳ７２０において、信号特徴抽出装置は、全体信号ｇ（ｔ）を微分して互いに異なる差数の微分関数を算出する。
ステップＳ７３０において、信号特徴抽出装置は、各微分関数のピーク点に該当する時間値ｔ１、ｔ２及び振幅値ｇ（ｔ１）、ｇ（ｔ２）を決定する。
ステップＳ７４０において、信号特徴抽出装置は、数式（３）に時間値ｔ１、ｔ２を適用してｌ番目のエレメント信号に対する信号モデルの平均及び標準偏差を推定し、数式（５）に振幅値ｇ（ｔ１）、ｇ（ｔ２）を適用して信号モデルの振幅係数及びオフセットを推定する。
ステップＳ７５０において、信号特徴抽出装置は、推定した平均、標準偏差、振幅係数、及びオフセットに基づいてｌ番目のエレメント信号ｇｌ（ｔ）を決定する。
信号特徴抽出装置は、推定した平均、標準偏差、振幅係数、及びオフセットを数式（１）の信号モデルに適用してエレメント信号ｇｌ（ｔ）を決定する。
ステップＳ７６０において、信号特徴抽出装置は、全体信号ｇ（ｔ）からｌ番目のエレメント信号ｇｌ（ｔ）を除去した信号を新しい全体信号ｇ（ｔ）に設定し、ｌを“１”だけ増加させる。
ステップＳ７７０において、信号特徴抽出装置は、ｌが所定のＬよりも大きいか否かを判断する。
ｌがＬよりも大きくない場合、信号特徴抽出装置は、ステップＳ７６０で新しく設定された全体信号ｇ（ｔ）に基づいてステップＳ７２０にもどり再び開始する。
その後、信号特徴抽出装置は、ステップＳ７２０〜ステップＳ７７０の工程を繰り返し行って合わせてＬ個のエレメント信号を順次推定する。
ｌがＬよりも大きい場合、ステップＳ７８０において、信号特徴抽出装置は、ステップＳ７１０〜ステップＳ７７０によって決定されたＬ個のエレメント信号から信号特徴を抽出する。
図８Ａ〜図８Ｄは、本発明の一実施形態による入力信号の波形からエレメント信号を推定する過程を説明するための図である。
図８Ａを参照すると、（ａ）は入力信号ｇ（ｔ）の波形を示し、（ｂ）はｇ（ｔ）の１次微分関数ｇ’（ｔ）の波形を示し、（ｃ）はｇ（ｔ）の２次微分関数ｇ’’（ｔ）の波形を示す。
信号特徴抽出装置は、入力信号ｇ（ｔ）を微分して１次微分関数ｇ’（ｔ）及び２次微分関数ｇ’’（ｔ）などの微分関数を決定する。
信号特徴抽出装置は、１次微分関数ｇ’（ｔ）及び２次微分関数ｇ’’（ｔ）でそれぞれ最初の極大点を形成する時間値ｔ１及びｔ２を決定し、時間値ｔ１及びｔ２それぞれにおける入力信号ｇ（ｔ）の振幅値であるｇ（ｔ１）及びｇ（ｔ２）を決定する。
信号特徴抽出装置は、時間値ｔ１及びｔ２に基づいて数式（３）から第１エレメント信号の平均及び標準偏差のパラメータを決定する。
また、信号特徴抽出装置は、振幅値ｇ（ｔ１）及びｇ（ｔ２）に基づいて数式（５）から第１エレメント信号の振幅係数及びオフセットのパラメータを決定する。
上記のような工程によって平均、標準偏差、振幅係数、及びオフセットが決定されれば、数式（１）の信号モデルｇｌ（ｔ）に基づいた第１エレメント信号が決定される。
図８Ｂは、このような工程によって決定された第１エレメント信号ｇ１（ｔ）の波形の一例を示す。
その後、信号特徴抽出装置は、図８Ｃに示すように、（ａ）に示す入力信号ｇ（ｔ）の波形から（ｂ）に示す第１エレメント信号ｇ１（ｔ）の波形を除去して、（ｃ）に示す中間信号「ｇ（ｔ）−ｇ１（ｔ）」を生成する。
信号特徴抽出装置は、（ｃ）の中間信号を微分して互いに異なる差数の微分関数を決定し、上記で説明した工程に基づいて第２エレメント信号を推定する。
信号特徴抽出装置は、所定の数のエレメント信号が推定されるまで上記の工程を繰り返して行う。
図８Ｄは、信号特徴抽出装置によって入力信号の波形から３つのエレメント信号が決定された一例を示す。
（ａ）は入力信号ｇ（ｔ）の波形を示す。（ｂ）、（ｃ）、及び（ｄ）は第１エレメント信号ｇ１（ｔ）、第２エレメント信号ｇ２（ｔ）及び、第３エレメント信号ｇ３（ｔ）の波形を示し、エレメント信号（ｇ１（ｔ）、ｇ２（ｔ）、及びｇ３（ｔ））は重複して入力信号ｇ（ｔ）を形成し得る。
信号特徴抽出装置は、エレメント信号（ｇ１（ｔ）、ｇ２（ｔ）、及びｇ３（ｔ））から極大点、極小点、波形面積などの特徴を抽出することができる。
図９Ａ〜図９Ｃは、本発明の一実施形態による入力信号から推定されたエレメント信号の一例を示すグラフである。
図９Ａ〜図９Ｃは、入力信号の波形が２つのエレメント信号の波形から構成されたと仮定して、信号特徴抽出装置が様々な形態の入力信号からエレメント信号を推定した結果を示す。
入力信号の波形は、例えば、２、３、４又はそれ以上の数のように他の個数のエレメント信号を含んでもよい。
図９Ａ〜図９Ｃにおいて、符号（９１０、９４０、９７０）はそれぞれ互いに異なる形態の入力信号を示し、各図の符号（９２０、９５０、９８０）は各入力信号（９１０、９４０、９７０）の波形から推定された第１エレメント信号を示す。
各図の符号（９３０、９６０、９９０）は、各入力信号（９１０、９４０、９７０）から推定された第２エレメント信号を示す。
ここで、第２エレメント信号は、入力信号から第１エレメント信号が除去された残りの波形成分を含む。
図９Ａ〜図９Ｃに示すように、入力信号が特徴点を抽出し難しい波形の形態を有しても、信号特徴抽出装置は、入力信号の波形から特徴点抽出が容易な形態を有する複数のエレメント信号を決定し、決定されたエレメント信号から特徴点をより容易に抽出することができる。
例えば、図９Ｂに示す入力信号９４０がＰＰＧ信号であれば、ＰＰＧ信号で重複隆起の特徴点が不明であるため、進行波と反射波の区分が容易でないことが分かる。
しかし、信号特徴抽出装置は、本明細書で説明された方法によって入力信号９４０を進行波と反射波とに容易に区分できる。
また、図９Ｃに示す入力信号９７０がＰＰＧ信号であれば、ＰＰＧ信号で進行波の振幅よりも反射波の振幅が大きく示されて入力信号９７０の波形から特徴点を抽出することが難しいが、信号特徴抽出装置は、本明細書で説明した方法に基づいて入力信号９７０を進行波と反射波とに容易に区分することができる。
図１０は、本発明の他の実施形態による信号特徴抽出装置の概略的な構成を示すブロック図である。
図１０を参照すると、信号特徴抽出装置１０００は、１つ以上のプロセッサ１０１０、メモリ１０２０、及びディスプレイ１０３０を含む。
プロセッサ１０１０は、図１〜図９Ｃを参照して前述した１つ以上の処理を行う。
例えば、プロセッサ１０１０は、入力信号から複数のエレメント信号を推定し、推定したエレメント信号から信号特徴を抽出する工程を行う。
このようなプロセッサ１０１０は、複数の論理ゲートのアレイで実現されるが、別の形態のハードウェアで実現され得ることは、本実施形態が属する技術分野で通常の知識を有する者であれば理解されるものである。
メモリ１０２０は、図１〜図９Ｃを参照して前述した１つ以上の処理を行うための命令を格納したり、又は信号特徴抽出装置１０００が運用されながら取得したデータと結果を格納する。
一部の実施形態において、メモリ１０２０は、非一時的なコンピュータで読み出し可能な記録媒体、例えば、高速ランダムアクセスメモリ及び／又は不揮発性コンピュータ読み出し可能記録媒体（例えば、１つ以上のディスク格納デバイス、フラッシュメモリデバイス、又は、その他の不揮発性固体メモリデバイス）を含んでもよい。
一実施形態によれば、プロセッサ１０１０は、例えば、ユーザの血圧及び血管硬化度を決定し、決定された血圧及び血管硬化度をディスプレイ１０３０に出力する。
ディスプレイ１０３０は、ユーザ入力を受信し、ユーザインタフェースを提供することのできる１つ以上のハードウェアコンポーネントを含む物理的な構造である。
ディスプレイ１０３０は、ディスプレイ領域、ジェスチャキャプチャー領域、タッチ検出ディスプレイのいずれかの組み合わせを含んでもよい。
ディスプレイ１０３０は、信号特徴抽出装置１０００に内蔵されたり、信号特徴抽出装置１０００に付着したり、信号特徴抽出装置１０００から離れた外部周辺装置に配置され得る。
ディスプレイ１０３０は、単一スクリーンディスプレイ又はマルチスクリーンディスプレイであり得る。
ディスプレイ１３０は、また、メガネタイプのディスプレイ（ｅｙｅ ｇｌａｓｓ ｄｉｓｐｌａｙ：ＥＧＤ）として実現され得る。
図には示していないが、実施形態による信号特徴抽出装置１０００は、キーボード、タッチスクリーン、マイクロホンなどのような入出力インタフェース、又は外部と通信するためのネットワーク通信インタフェースをさらに含んでもよい。
例えば、入出力インタフェースは、ユーザによって入力されたユーザ入力を受信したり、又は信号特徴に基づいて決定された付加情報を出力し得る。
ネットワーク通信インタフェースは、エレメント信号に関する情報及び抽出された信号特徴に関する情報を信号特徴抽出装置１０００の外部に送信し得る。
以上、上述した実施形態は、構成要素の組み合わせで具現され得る。
例えば、本実施形態で説明した装置及び構成要素は、例えば、プロセッサ、コントローラ、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、デジタル信号プロセッサ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）、マイクロコンピュータ、ＦＰＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ａｒｒａｙ）、ＰＬＵ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｕｎｉｔ）、マイクロプロセッサ、又は命令（ｉｎｓｔｒｕｃｔｉｏｎ）を実行して応答する異なる装置のように、１つ以上の汎用コンピュータ又は特殊目的コンピュータを用いて具現され得る。
処理装置は、オペレーティングシステム（ＯＳ）及びオペレーティングシステム上で行われる１つ以上のソフトウェアアプリケーションを実行する。
また、処理装置は、ソフトウェアの実行に応答してデータをアクセス、格納、操作、処理、及び生成する。
理解の便宜のために、処理装置は１つが使用されるものとして説明する場合もあるが、当該技術分野で通常の知識を有する者は、処理装置が複数の処理要素（ｐｒｏｃｅｓｓｉｎｇ ｅｌｅｍｅｎｔ）及び／又は複数類型の処理要素を含むことが分かる。
例えば、処理装置は、複数のプロセッサ又は１つのプロセッサ及び１つのコントローラを含む。また、並列プロセッサ（ｐａｒａｌｌｅｌ ｐｒｏｃｅｓｓｏｒ）のような、他の処理構成も可能である。
ソフトウェアは、コンピュータプログラム、コード、命令、又はこれらのうちの１つ以上の組み合わせを含み、所望通りに処理するように処理装置を構成し、独立的又は結合的に処理装置に命令する。
ソフトウェア及び／又はデータは、処理装置によって解釈され、処理装置に命令又はデータを提供するためのあらゆる類型の機械、構成要素、物理的装置、仮想装置、コンピュータ格納媒体又は装置、或いは送信される信号波を介して永久的又は一時的に具現化され得る。
ソフトウェアは、ネットワークに接続されたコンピュータシステム上に分散され、分散された方法で格納されるか又は実行され得る。
ソフトウェア及びデータは１つ以上のコンピュータ読み取り可能な記録媒体に格納される。
本実施形態による方法は、多様なコンピュータ手段を介して実施されるプログラム命令の形態で具現され、コンピュータ読み取り可能な記録媒体に記録される。
記録媒体は、プログラム命令、データファイル、データ構造などを単独又は組み合わせて含む。
記録媒体及びプログラム命令は、本発明の目的のために特別に設計して構成されたものでもよく、コンピュータソフトウェア分野の技術を有する当業者にとって公知のものであり使用可能なものであってもよい。
コンピュータ読み取り可能な記録媒体の例としては、ハードディスク、フロッピー（登録商標）ディスク、及び磁気テープのような磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤのような光記録媒体、フロプティカルディスクのような磁気−光媒体、及びＲＯＭ、ＲＡＭ、フラッシュメモリなどのようなプログラム命令を保存して実行するように特別に構成されたハードウェア装置を含む。
プログラム命令の例としては、コンパイラによって生成されるような機械語コードだけでなく、インタプリタなどを用いてコンピュータによって実行される高級言語コードを含む。
ハードウェア装置は、本発明の処理を実行するために１つ以上のソフトウェアモジュールとして作動するように構成してもよく、その逆も同様である。
尚、本発明は、上述の実施形態に限られるものではない。本発明の技術的範囲から逸脱しない範囲内で多様に変更実施することが可能である。
４００、１０００ 信号特徴抽出装置
４１０ 微分器
４２０ パラメータ決定器
４３０ エレメント信号推定器
４４０ 中間信号決定器
４５０ 特徴抽出器
１０１０ プロセッサ
１０２０ メモリ
１０３０ ディスプレイ

Claims (18)

  1. 生体信号である入力信号を形成するエレメント信号を推定するステップと、
    前記エレメント信号を用いて信号特徴を抽出するステップと、を有し、
    前記エレメント信号を推定するステップは、前記入力信号の第１エレメント信号を推定するステップと、
    前記入力信号から前記第１エレメント信号が除去された第１中間信号の波形に基づいて前記入力信号の第２エレメント信号を推定するステップと、を含み、
    前記第１エレメント信号を推定するステップは、前記エレメント信号をモデリングするための信号モデル及び前記入力信号の波形に基づいて前記第１エレメント信号に対するパラメータを推定するステップと、
    前記推定されたパラメータを前記信号モデルに適用して前記第１エレメント信号を決定するステップと、を含み、
    前記パラメータを推定するステップは、前記入力信号の波形を微分して互いに異なる差数の微分信号を決定するステップと、
    前記微分信号の特徴点を用いて前記第１エレメント信号に対するパラメータを決定するステップと、を含むことを特徴とする信号特徴抽出方法。
  2. 前記パラメータを決定するステップは、前記微分信号のピーク点に対応する時間値及び前記時間値における前記入力信号の振幅値に基づいて前記パラメータを決定することを特徴とする請求項１に記載の信号特徴抽出方法。
  3. 前記パラメータを推定するステップは、前記第１エレメント信号のピーク点が以前の時間区間に基づいて前記パラメータを推定することを特徴とする請求項１又は２に記載の信号特徴抽出方法。
  4. 前記第２エレメント信号を推定するステップは、前記エレメント信号をモデリングするための信号モデル及び前記第１中間信号の波形に基づいて前記第２エレメント信号に対するパラメータを推定するステップと、
    前記推定されたパラメータを前記信号モデルに適用して前記第２エレメント信号を決定するステップと、を含むことを特徴とする請求項１乃至３のいずれか一項に記載の信号特徴抽出方法。
  5. 前記パラメータを推定するステップは、前記第１中間信号の波形を微分して互いに異なる差数の微分信号を決定するステップと、
    前記微分信号の特徴点を用いて前記第２エレメント信号に対するパラメータを決定するステップと、を含むことを特徴とする請求項４に記載の信号特徴抽出方法。
  6. 前記第２エレメント信号を推定するステップは、前記第１中間信号を前記第２エレメント信号に決定するステップを含むことを特徴とする請求項１乃至５のいずれか一項に記載の信号特徴抽出方法。
  7. 前記エレメント信号のうち少なくとも１つは、ガウス波形の形態を有することを特徴とする請求項１乃至６のいずれか一項に記載の信号特徴抽出方法。
  8. 前記信号モデルは、前記エレメント信号の波形が互いに重なって前記入力信号の波形を形成するものとしてモデリングすることを特徴とする請求項１又は４に記載の信号特徴抽出方法。
  9. 前記パラメータは、平均、標準偏差、振幅係数、及びオフセットを含むことを特徴とする請求項１、４又は５に記載の信号特徴抽出方法。
  10. 前記微分信号は、前記入力信号の波形に対する１次微分関数及び前記入力信号に対する高次微分関数のうち少なくとも１つを含むことを特徴とする請求項１又は５に記載の信号特徴抽出方法。
  11. 前記エレメント信号を推定するステップは、前記第１中間信号から前記第２エレメント信号が除去された第２中間信号の波形に基づいて第３エレメント信号を推定するステップをさらに含むことを特徴とする請求項１乃至１０のいずれか一項に記載の信号特徴抽出方法。
  12. 前記エレメント信号を推定するステップは、所定の個数のエレメント信号が推定されるまで前記エレメント信号をモデリングするための信号モデルに基づいて前記エレメント信号を順次推定することを特徴とする請求項１乃至１１のいずれか一項に記載の信号特徴抽出方法。
  13. 前記信号特徴を抽出するステップは、前記エレメント信号の極大点、極小点、ピーク点、変曲点、傾き極大点、傾き極小点、及び信号波形の面積のうち少なくとも１つを抽出することを特徴とする請求項１乃至１２のいずれか一項に記載の信号特徴抽出方法。
  14. 請求項１乃至１３のいずれか一項に記載の信号特徴抽出方法をハードウェアと結合して実行させるためのプログラムが記録されたことを特徴とするコンピュータ読取可能記録媒体。
  15. 少なくとも１つのプロセッサと、
    前記プロセッサによって実行される命令を格納する少なくとも１つのメモリと、を有し、
    前記命令が前記プロセッサによって実行されるとき、前記プロセッサは、
    生体信号である入力信号のエレメント信号を推定する処理と、
    前記エレメント信号から信号特徴を抽出する処理と、を実行し、
    前記エレメント信号を推定する処理は、前記入力信号の第１エレメント信号を推定する処理と、
    前記入力信号の波形から前記第１エレメント信号の波形が除去された第１中間信号に基づいて前記入力信号の第２エレメント信号を推定する処理と、を含み、
    前記第１エレメント信号を推定する処理は、前記エレメント信号をモデリングするための信号モデル及び前記入力信号の波形に基づいて前記第１エレメント信号に対するパラメータを推定する処理と、
    前記推定されたパラメータを前記信号モデルに適用して前記第１エレメント信号を決定する処理と、を含み、
    前記パラメータを推定する処理は、前記入力信号の波形を微分して互いに異なる差数の微分信号を決定する処理と、
    前記微分信号の特徴点を用いて前記第１エレメント信号に対するパラメータを決定する処理と、を含むことを特徴とする信号特徴抽出装置。
  16. 前記エレメント信号を推定する処理は、前記第１中間信号から前記第２エレメント信号が除去された第２中間信号の波形に基づいて、前記入力信号の第３エレメント信号を推定する処理をさらに含むことを特徴とする請求項１５に記載の信号特徴抽出装置。
  17. 生体信号である入力信号から少なくとも１次又は２次以上の微分信号を決定する微分器と、
    前記入力信号の波形及び前記１次又は２次以上の微分信号をモデリングするための信号モデルに基づいてエレメント信号のパラメータを決定するパラメータ決定器と、
    前記パラメータを前記信号モデルに適用することによって前記エレメント信号を推定するエレメント信号推定器と、
    前記入力信号から前記エレメント信号を除去することによって中間信号を決定する中間信号決定器と、
    前記エレメント信号から特徴点を抽出する特徴抽出器と、を有し、
    前記微分器は、エレメント信号の個数が所定の閾値よりも小さい場合、前記中間信号から他のエレメント信号を決定することを特徴とする信号特徴抽出装置。
  18. 前記パラメータは、前記エレメント信号の平均、標準偏差、振幅係数、及びオフセットの内の少なくとも１つを含むことを特徴とする請求項１７に記載の信号特徴抽出装置。
JP2016205440A 2015-11-09 2016-10-19 信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体 Active JP6869691B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020150156348A KR102501837B1 (ko) 2015-11-09 2015-11-09 신호 특징 추출 방법 및 장치
KR10-2015-0156348 2015-11-09

Publications (2)

Publication Number Publication Date
JP2017086894A JP2017086894A (ja) 2017-05-25
JP6869691B2 true JP6869691B2 (ja) 2021-05-12

Family

ID=57123782

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016205440A Active JP6869691B2 (ja) 2015-11-09 2016-10-19 信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体

Country Status (5)

Country Link
US (1) US10152574B2 (ja)
EP (1) EP3165158B1 (ja)
JP (1) JP6869691B2 (ja)
KR (1) KR102501837B1 (ja)
CN (1) CN106681961B (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3644840A4 (en) * 2017-06-28 2021-04-21 Rutgers, The State University of New Jersey EVALUATION SYSTEM FOR CARDIOVASCULAR HEALTH EVALUATION AND INDIVIDUALIZED HEALTH AND FITNESS INTERVENTIONS
KR102480197B1 (ko) * 2017-09-13 2022-12-21 삼성전자주식회사 생체정보 추정 장치 및 방법
CN109711355A (zh) * 2018-12-28 2019-05-03 深圳职业技术学院 一种物流包装冲击信号识别与提取方法
CN110327055A (zh) * 2019-07-29 2019-10-15 桂林电子科技大学 一种基于高阶谱和卷积神经网络的心冲击信号的分类方法
CN113017613B (zh) * 2021-03-03 2022-05-06 四川大学华西医院 基于人工智能的心冲击波信号处理方法及计算机设备
CN115795283B (zh) * 2023-02-07 2023-06-16 华南理工大学 一种基于迭代学习跟踪微分器的微分信号提取方法

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5651363A (en) * 1996-02-16 1997-07-29 Orthologic Corporation Ultrasonic bone assessment method and apparatus
JP3616061B2 (ja) * 2002-03-01 2005-02-02 コーリンメディカルテクノロジー株式会社 動脈硬化検査装置
JP4581496B2 (ja) 2004-06-14 2010-11-17 オムロンヘルスケア株式会社 脈波解析装置および脈波解析プログラム
JP2006043146A (ja) 2004-08-04 2006-02-16 Sony Corp 脈波解析方法及び装置
JP4568074B2 (ja) 2004-10-06 2010-10-27 株式会社東芝 超音波診断装置および送信装置
US7720530B2 (en) * 2005-08-02 2010-05-18 Brainscope Company, Inc. Field-deployable concussion detector
US20070149952A1 (en) * 2005-12-28 2007-06-28 Mike Bland Systems and methods for characterizing a patient's propensity for a neurological event and for communicating with a pharmacological agent dispenser
SG136813A1 (en) * 2006-04-11 2007-11-29 Sony Corp A method for estimating one or more parameters of a ultra wideband signal and a receiver system for receiving ultra wideband signals
US8226568B2 (en) * 2008-07-15 2012-07-24 Nellcor Puritan Bennett Llc Signal processing systems and methods using basis functions and wavelet transforms
WO2010024418A1 (ja) * 2008-09-01 2010-03-04 学校法人同志社 動脈硬化評価装置
JP5200968B2 (ja) * 2009-02-03 2013-06-05 オムロンヘルスケア株式会社 脈波解析装置、脈波解析方法、および脈波解析プログラム
KR101002365B1 (ko) 2009-05-19 2010-12-17 동서대학교산학협력단 맥파 전달시간 계측 시스템 및 그 방법
JP5328613B2 (ja) * 2009-11-10 2013-10-30 シャープ株式会社 脈波伝播速度測定装置および脈波伝播速度測定プログラム
US10478076B2 (en) 2009-12-28 2019-11-19 Gambro Lundia Ab Monitoring a property of the cardiovascular system of a subject
EP2523625B1 (en) 2010-01-14 2017-03-08 PhysIQ Inc. Multivariate residual-based health index for human health monitoring
KR101235441B1 (ko) 2010-08-01 2013-02-20 연세대학교 산학협력단 생체신호 기반 자동 수면단계 분류시스템
KR101210828B1 (ko) 2011-03-24 2012-12-11 주식회사 누가의료기 다중 생체 신호 측정을 이용하여 손목혈압의 정확도를 향상시키는 방법 및 장치
EP2696755A4 (en) * 2011-04-12 2015-07-01 Orsan Medical Technologies Ltd DEVICES AND METHOD FOR MONITORING INTRAKRANIAL PRESSURE AND ADDITIONAL INTRAKRANIAL HEMODYNAMIC PARAMETERS
KR101337342B1 (ko) 2011-11-01 2013-12-06 경북대학교 산학협력단 심음 분석 장치 및 그 방법
CN102512178B (zh) * 2011-12-23 2014-04-09 深圳市理邦精密仪器股份有限公司 一种血氧测量装置
US10009644B2 (en) * 2012-12-04 2018-06-26 Interaxon Inc System and method for enhancing content using brain-state data
KR101503604B1 (ko) 2013-09-30 2015-03-17 길영준 착용형 실시간 혈압 추정 모니터링 시스템 및 그의 제어 방법
WO2015049150A1 (en) * 2013-10-01 2015-04-09 Koninklijke Philips N.V. Improved signal selection for obtaining a remote photoplethysmographic waveform
TWI551266B (zh) 2013-12-30 2016-10-01 財團法人工業技術研究院 動脈波分析方法及其系統
WO2015117049A2 (en) 2014-01-31 2015-08-06 Cline Benjamin Kahn Devices and methods for monitoring pregnancy
KR102198953B1 (ko) * 2014-03-12 2021-01-05 삼성전자주식회사 병렬 생체 신호 프로세서 및 병렬 생체 신호 프로세서의 제어 방법
WO2016033121A1 (en) * 2014-08-25 2016-03-03 Georgia Tech Research Corporation Noninvasive systems and methods for monitoring health characteristics
US9629564B2 (en) * 2014-09-26 2017-04-25 Intel Corporation Electrocardiograph (ECG) signal processing
JP6871673B2 (ja) * 2015-03-31 2021-05-12 学校法人東日本学園 血液検体を判定するための方法、装置及びコンピュータプログラム、並びに血液検体分析装置

Also Published As

Publication number Publication date
EP3165158B1 (en) 2022-07-13
CN106681961A (zh) 2017-05-17
US10152574B2 (en) 2018-12-11
EP3165158A1 (en) 2017-05-10
KR20170053887A (ko) 2017-05-17
US20170132384A1 (en) 2017-05-11
KR102501837B1 (ko) 2023-02-21
JP2017086894A (ja) 2017-05-25
CN106681961B (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
JP6869691B2 (ja) 信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体
CN106073743B (zh) 用于光学体积描记图信号的噪声清除的方法和系统
Ringeval et al. Prediction of asynchronous dimensional emotion ratings from audiovisual and physiological data
US10980429B2 (en) Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time
JP6476092B2 (ja) 心電図信号を用いたユーザ認証方法及び装置並びにユーザ登録方法及び装置
US9795306B2 (en) Method of estimating blood pressure based on image
CN109247923B (zh) 基于视频的非接触式脉搏实时估计方法及设备
Wang et al. Arrhythmia classification algorithm based on multi-head self-attention mechanism
CN111091116B (zh) 一种用于判断心律失常的信号处理方法及系统
JP2020528336A (ja) 心電信号の検出
JP2016531629A (ja) 生理学的信号を処理するデバイス、方法及びシステム
TWI519276B (zh) 心電圖學訊號擷取方法
CN109452935A (zh) 使用统计后处理从血管容积图估计血压的无创方法和系统
Guo et al. A supervised machine learning semantic segmentation approach for detecting artifacts in plethysmography signals from wearables
Banerjee et al. PhotoECG: Photoplethysmographyto estimate ECG parameters
Tabei et al. A novel personalized motion and noise artifact (MNA) detection method for smartphone photoplethysmograph (PPG) signals
Antink et al. Detection of heart beats in multimodal data: a robust beat-to-beat interval estimation approach
Tseng et al. Sliding large kernel of deep learning algorithm for mobile electrocardiogram diagnosis
Oliveira et al. Coupled hidden Markov model for automatic ECG and PCG segmentation
JP6842306B2 (ja) 生体信号処理方法及びその装置並びにコンピュータ読出可能記録媒体
WO2021031155A1 (zh) 一种基于ecg的多尺度特征提取方法及装置
KR102341937B1 (ko) 일상생활에서 발생하는 감정 변화 원인을 파악하는 방법 및 그 시스템
CN113616217A (zh) 基线漂移曲线的生成方法和装置
KR102451268B1 (ko) 신호 처리 방법, 신호 필터링 장치 및 신호 처리 장치
KR102351682B1 (ko) 기계 학습 알고리즘에 심전도 신호의 복잡도 값, 규칙도 값을 입력하여 심장 질환의 비정상 구간을 출력하는 심장 질환 판단 장치, 심장 질환 판단 방법 및 컴퓨터 프로그램

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190702

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200522

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200616

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200914

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201222

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210319

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210406

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210414

R150 Certificate of patent or registration of utility model

Ref document number: 6869691

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250